最近矽谷流傳一個極具衝擊力的判斷：2028 年的 AI 需求，或將讓整個世界感到震驚。
這句話並非來自行業分析師的紙面預測，而是亞馬遜 CEO 安迪・賈西，在二季度財報電話會上的公開表態。當市場還在反覆爭論 AI 是不是泡沫、大模型會不會過剩的時候，手握全球最大公有雲的 AWS，已經看到了三年之後真實的訂單壓力。
2200 億資本開支，依然填不滿當下的缺口
亞馬遜把 2026 全年 AI 相關資本開支，上調到 2200 億美元，創下公司歷史新高，全部投向晶片採購、資料中心建設、算力基礎設施升級。
但賈西給出的結論十分直白：就算砸下 2200 億美元，2026 年依然滿足不了現有的客戶需求；2027 年算力緊缺的格局還會延續。甚至現在已經鎖定的 2028 年前置訂單，規模已經到了 striking（令人震驚）的等級。
很多人容易把這句話簡單理解成：大模型實驗室越燒越多 GPU。但這恰恰是賈西想要糾正的認知偏差。
“槓鈴效應”：真正的大頭不在 AI 實驗室，而在千萬企業
他提出一個很關鍵的框架 ——AI 需求槓鈴效應。
槓鈴一端，是 OpenAI、Anthropic 這類 AI 實驗室。他們持續做大模型訓練、遞迴自我迭代，瘋狂吞噬訓練算力，這也是媒體最常報導的部分，但這只是需求的一小部分。
槓鈴另一端，是已經跑通商業回報的少數大型企業，把 AI 用於風控、客服、行銷，已經產生明確收益。
而槓鈴中間最厚重、尚未完全釋放的部分，是全球數以百萬、千萬計的普通實體企業。
今天絕大多數公司，還沒有把業務流程真正遷移到 AI 之上。財務稽核、供應鏈分析、產線質檢、文件處理、內部知識庫、業務輔助，海量重複性工作依舊依靠人力完成。未來兩到三年，這一批企業批次上線 AI 業務系統，會帶來海量推理算力消耗，這才是 2028 需求爆發的核心來源。
簡單說：過去算力消耗，主要用來 “訓練大模型”；2028 前後，算力主要用來 “企業天天跑 AI 幹活”。訓練是脈衝式燒錢，推理是 7×24 小時持續不停的剛性消耗。
同時賈西也判斷，市場不會出現一家獨大的萬能大模型，未來會有多款第一梯隊模型共存，開源模型會佔據更大份額，進一步放大整體算力總盤子。
不能盲目樂觀：需求爆發不等於躺贏
亞馬遜的預警，值得我們辯證看待，不能直接等同於 “算力永遠供不應求”。
第一，這是雲廠商站在自身客戶訂單視角看到的前置需求，代表客戶的採購意向，不等於全部訂單最終 100% 落地。企業的預算收縮、商業化不及預期，都有可能讓一部分需求撤回。
第二，供給側也在快速追趕。自研晶片、國產算力、新型記憶體、液冷資料中心都在擴產，2027‑2028 全球算力供給規模也會大幅抬升，供需缺口不會無限拉大。
第三，需求結構會發生切換。如果說前幾年拼的是訓練算力；2028 年之後比拚的重點，轉向低成本、高吞吐的推理算力，對晶片、伺服器、軟體棧的要求完全不一樣。
對國內產業的啟示
國內人形機器人、生成式 AI 創業公司持續爆發，大量實體企業正在推進 AI 落地，我們同樣會迎來推理算力的大規模釋放期。
一方面，海外巨頭已經提前鎖定遠期算力產能，國內企業要面對全球算力資源爭奪；另一方面，企業端 AI 落地速度，直接決定我們本土算力市場天花板。
如果企業只是停留在玩 Demo、做演示，需求就起不來；當 AI 真正嵌入生產業務，算力需求才會迎來指數級跳漲。2028 會不會迎來所謂 “震驚世界” 的 AI 浪潮，本質不取決於模型多炫酷，而取決於千千萬萬實體企業敢不敢、能不能把業務交給 AI 運行。
如今行業存在兩種聲音：一部分人高喊 AI 泡沫將至，一部分人相信算力永遠緊缺。亞馬遜這份來自產業一線的訊號，給我們提供了第三個視角：AI 真正大規模商業化的考驗，或許才剛剛到來。
你覺得到 2028 年，會是算力嚴重短缺，還是產能過剩？ (未來機器人網)